Chaidh buileachadh fosgailte den t-siostam ionnsachaidh inneal DALL-E 2, air a mholadh le OpenAI, fhoillseachadh agus leigidh e leat ìomhaighean agus dealbhan fìrinneach a cho-chur stèidhichte air tuairisgeul teacsa ann an cànan nàdurrach, a bharrachd air òrdughan ann an cànan nàdurrach a chuir an sàs airson ìomhaighean a dheasachadh ( mar eisimpleir, cuir ris, cuir às no gluais nithean san ìomhaigh). Chan eil na modalan tùsail DALL-E 2 aig OpenAI air am foillseachadh, ach tha pàipear a tha a’ toirt mion-fhiosrachadh mun dòigh ri fhaighinn. Stèidhichte air an tuairisgeul a th’ ann, tha luchd-rannsachaidh neo-eisimeileach air buileachadh eile ullachadh sgrìobhte ann am Python, a’ cleachdadh frèam Pytorch agus air a sgaoileadh fo chead MIT.
An coimeas ri buileachadh a ’chiad ghinealach de DALL-E a chaidh fhoillseachadh roimhe, tha an dreach ùr a’ toirt seachad maids nas cruinne den ìomhaigh ris an tuairisgeul, a ’ceadachadh barrachd photorealism agus ga dhèanamh comasach ìomhaighean a ghineadh ann an rùintean nas àirde. Feumaidh an siostam goireasan mòra gus am modail a thrèanadh; mar eisimpleir, feumaidh trèanadh an dreach tùsail de DALL-E 2 100-200 mìle uair de choimpiutaireachd air an GPU, i.e. mu 2-4 seachdainean de àireamhachadh le 256 NVIDIA Tesla V100 GPUs.
Thòisich an aon ùghdar cuideachd a’ leasachadh dreach leudaichte - DALLE2 Video, ag amas air bhidio a cho-chur bho thuairisgeul teacsa. Air leth, is urrainn dhuinn toirt fa-near don phròiseact ru-dalle a chaidh a leasachadh le Sberbank, le buileachadh fosgailte den chiad ghinealach DALL-E, air atharrachadh airson tuairisgeulan ann an Ruisis aithneachadh.
Source: fosgailtenet.ru